Makine öğrenmesiyle sağlık sigortalarında kümeleme ve sınıflandırma
Clustering and classification in health insurances with machine learning
- Tez No: 813606
- Danışmanlar: DOÇ. DR. MUSTAFA CEM KASAPBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Engineering Sciences, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Fiyatlandırma, Karlılık, Makine öğrenmesi, Özel sigortacılık, Pricing, Profitability, Machine learning, Private insurance
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Birçok sektörde olduğu gibi, sigortada da en büyük hedef şirketin karlılığını maksimize etmektir. Bu hedefe ulaşmanın temel unsurlarından biri, karlı olabilecek yeni müşteriler çekmektir. Sigorta sektöründe sağlık branşı, bir sigorta şirketine hem kar hem de zarar getirebilen bir branştır. Bu nedenle, hedeflenen müşteriler için doğru fiyatları sunarak şirketin taleplerini minimize etmek gereklidir. Sağlık branşında, müşteri bir poliçe satın alabilir ve o poliçe kapsamında birden fazla kişi sigortalı olabilir. Bu alandaki önceki akademik çalışmalar, sigorta şirketlerinin genellikle karlılıklarını poliçe düzeyinde hesapladıklarını göstermektedir. Bu nedenle, bir müşterinin sigortalı grubunda ne kadar karlı olduğu belirsiz kalmaktadır. Ayrıca, faydalı bir müşteriye doğru fiyatın verilmediği tespit edilmiştir ve bu da müşterinin kaybedilmesine neden olmaktadır. Fiyatlandırma ve satış süreçlerindeki kilit değer doğru fiyatın yani sigorta şirketi için toplamda kar edebileceği satış tutarının belirlenmesidir. Ancak bu nokta çok kolay hesaplanamamakla birlikte gelir gider dengesini kurgulamak da çok meşakatlidir. Bu durumun zorluğundan kaynaklı olarak, düşük fiyattan yapılan bir poliçeden zarar edilebileceği gibi yüksek kar elde edilebilecek bir müşteriye de yüksek fiyat verilerek müşteri kaybedilebilir. Bu çalışma kapsamında, karlılık hesabı sigortalı düzeyine indirgenmiştir. Sigorta şirketinin portföyündeki müşterilerin karlılığı, K-ortalama algoritması ile kümelenmelere ayrılmıştır. Sigortalı müşterinin demografik bilgilerini, doktorlar tarafından girilen teşhis bilgilerini, ödenen primleri, talep edilen tutarı ve karlılık miktarlarını içeren yaklaşık 480.000 poliçe sahibinin verileri kümelenmelerde kullanılmıştır. Yeni gelen müşteriler, makine öğrenimi algoritmasıyla işlem görür ve benzer özelliklere sahip müşterilerin kümesine düşer. Bu şekilde, müşterinin şirket için karlı olup olmayacağı öngörülür. Müşterinin karlılığına göre, şirketin kaybını minimize etmek için fiyatlandırmada indirim veya fazlalık tanımlanabilir. Yapılan araştırmalara neticesinde ulusal yada uluslar arası sigortacılık alanında bu çalışmaya benzer bir çalışmaya rastlanmamıştır. Dolayısıyla yapılan çalışma sektör düzeyinde önem kazanmaktadır.
Özet (Çeviri)
As in many sectors, the biggest target in insurance is to maximize the company's profitability. One of the essential elements of achieving this goal is to attract new customers that can be profitable. In the insurance sector, the health branch is a branch that can bring profit as well as loss to an insurance company. For this reason, minimizing the company's claim is necessary by offering the right prices for the targeted customers. In the health branch, the customer can purchase a policy and have more than one person covered by that policy. Past academic studies in this field show that insurance companies usually calculate their profitability at the policy level. Therefore, it stays unclear how profitable a customer is at the insured group. Also, it has been determined that the correct price is not given to a beneficial customer, resulting in the loss of the customer. The key value in pricing and sales processes is determining the correct price, which is the total sales amount that the insurance company can make a profit from. However, this point is not easy to calculate, and building a balance between income and expenses is also very challenging. Due to the difficulty of this situation, it is possible to incur losses from a policy sold at a low price, and a customer who can provide high profits can also be lost by offering a high price Within the scope of this study, the profitability account is reduced to the insured level. The customers' profitability in the insurance company's portfolio is divided into Sınıfs with the K-means algorithm. The data of approximately 480.000 policyholders, which include the features demographic information of the insured customer, the diagnosis information entered by the doctors, the premiums paid, the amount of claim and the profitability amounts, have been used in Sınıfing. New incoming customers pass through the machine learning algorithm and fall into the Sınıf of customers with similar characteristics. In this way, it is predicted whether the customer will be profitable for the company. According to the customer's profitability, a dis
Benzer Tezler
- SQL enjeksiyonu saldırılarının makine öğrenmesi ile tespiti ve korunma yöntemleri
Detection of SQL injection attacks with machine learningand prevention methods
EMRE POLAT
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL İBRAHİM BÜLBÜL
- Bunamanın erken tanısı için tıbbi görüntüleme ve görüntü işleme tekniklerinin kullanılması
The use of medical imaging and image processing techniques for early detection of dementia
GÖKÇE UYSAL
Yüksek Lisans
Türkçe
2019
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MAHMUT ÖZTÜRK
- Derin öğrenme yöntemleri kullanılarak anne sağlığı risk analizi yapılması
Maternal health risk analysis using deep learning methods
BURÇİN YÖNEL ÖNEM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HACER KARACAN
- Türkiye'de kolon kanserine bağlı ölümlerin makine öğrenmesiyle tahmini
Prediction of deaths due to colorectal cancer in turkiye using machine learning
MUSTAFA ERBAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ALTUN
- İlaç-ilaç etkileşimlerini makine öğrenmesiyle tespit eden tahmin modeli
Forecast model determining drug-drug interactions by machine learning
AHMET ŞENER
Yüksek Lisans
Türkçe
2022
Eczacılık ve Farmakolojiİstanbul Medeniyet ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARAFAT SALİH AYDINER